融合知识图谱和深度学习的学术论文推荐算法

摘要

由于传统学术论文推荐方法存在推荐效果差的问题,导致推荐结果不能满足用户的检索需求,为此融合知识图谱和深度学习算法,实现对学术论文推荐方法的优化设计。收集学术论文数据,并构建相应的知识图谱。分析用户的行为偏好和检索需求。提取学术论文资源特征,利用深度学习算法实现对学术论文的分类处理。通过构建查询向量、度量相似性、生成资源推荐列表三个步骤实现学术论文推荐。通过实验对比得出结论:设计的推荐方法的召回率提高了4.53%,且推荐结果的命中率得到明显提升。